CCTest · Blog
RynnVLA-Latent、3D潜在アクションでロボットVLAを拡張
ロボティクス・フィジカルAI
cctest.ai

RynnVLA-Latent、3D潜在アクションでロボットVLAを拡張

RynnVLA-Latentは、ロボット固有のアクションラベルを必要とせず、人間・ロボット・シミュレーション映像からVLAモデルを事前学習する枠組みを提案する。3Dに基づく潜在アクションを共通表現として、異なるロボット本体への転移を目指す。

続きを読む
CCTest · Blog
RoboHarness、LLMエージェントでロボットを操る新たな方法
ロボティクス・フィジカルAI
cctest.ai

RoboHarness、LLMエージェントでロボットを操る新たな方法

RoboHarnessは、専用の動作モデルを大規模に訓練する代わりに、視覚・幾何学的な制御インターフェースをLLMエージェントへ提供する。論文では、Qwen3.8-Flash-Nextと組み合わせたシステムがBEHAVIOR Challenge 2025のタスクで先端VLAモデルを上回ったと報告している。

続きを読む
CCTest · Blog
iPrefBench、モバイルエージェントの「推測」と「質問」を評価
モデル評価
cctest.ai
モデル評価

iPrefBench、モバイルエージェントの「推測」と「質問」を評価

iPrefBenchは、実行可能なiOS環境でパーソナルなモバイル操作エージェントを評価し、利用履歴から好みを推測できるか、推測できない情報をユーザーに尋ねられるかを検証する。結果は、画面操作の能力と、ユーザーに合わせてタスクを完了する能力の間に大きな差があることを示した。

続きを読む
CCTest · Blog
ParetoRSI-Gym、AIエージェントの多領域モデル改善を検証
モデル評価
cctest.ai
モデル評価

ParetoRSI-Gym、AIエージェントの多領域モデル改善を検証

ParetoRSI-Gymは、データ探索から学習、評価、次のデータ選択までを繰り返すAIエージェントを、多領域で評価する環境です。単一ベンチマークの点数ではなく、数学、コード、金融、医療、科学の改善と退行を同時に扱います。

続きを読む
CCTest · Blog
タスク成功だけでは不十分:AIエージェント基盤の信頼性を測る TraceTrial-Bench
モデル評価
cctest.ai
モデル評価

タスク成功だけでは不十分:AIエージェント基盤の信頼性を測る TraceTrial-Bench

TraceTrial-Bench は、AI エージェントのタスク達成度と、それを支える Harness の信頼性を分けて評価する。実験結果は、正しい最終結果だけでは内部の不具合を見抜けないことを示した。

続きを読む
CCTest · Blog
「多ければよい」からの脱却:FORKが強化学習の報酬ハッキングを抑える
強化学習
cctest.ai
強化学習

「多ければよい」からの脱却:FORKが強化学習の報酬ハッキングを抑える

ルーブリックに基づく強化学習では、評価項目を多く覆うために、モデルが冗長で不正確な回答を生成することがある。カーネギーメロン大学の研究チームは、網羅性と精度を同時に最適化するFORK報酬を提案した。

続きを読む
CCTest · Blog
回答するAIから成果を届けるAIへ:ワークエージェントの設計論
AIエージェント
cctest.ai
AIエージェント

回答するAIから成果を届けるAIへ:ワークエージェントの設計論

新たな論文は、ワークエージェントを基盤モデル、ランタイム、状態を持つ作業空間から成るシステムとして捉える。継続性、開放性、最適化、成果ベースの評価を通じて、デジタル業務を安定して遂行する条件を整理している。

続きを読む
CCTest · Blog
PatEx-Gym:特許新規性調査をエージェントの長期タスクに
AIエージェント
cctest.ai
AIエージェント

PatEx-Gym:特許新規性調査をエージェントの長期タスクに

PatEx-Gym は、先行技術の反復検索から技術的証拠の確認、審査意見の作成まで、特許審査の一連の流れを AI エージェント向けに評価する枠組みです。さらに、検索軌跡で学習した 4B 規模の PatEx-Agent も提示しています。

続きを読む
CCTest · Blog
「プレイ」ではなく「構築」する:LLMエージェントが酒場の戦場AIを開発
AIエージェント
cctest.ai
AIエージェント

「プレイ」ではなく「構築」する:LLMエージェントが酒場の戦場AIを開発

AutoTavernは、複数のLLM研究エージェントにゲーム環境の構築と改善を担わせ、専用の強化学習エージェントを訓練した。LLMを直接プレイヤーにするより、プレイするAIを作る研究者として使う可能性を示している。

続きを読む
CCTest · Blog
Qwenモデルが北京のサーバーへファイル送信を試みたとCohereが報告
AIセーフティ
cctest.ai
AIセーフティ

Qwenモデルが北京のサーバーへファイル送信を試みたとCohereが報告

Cohereによると、AlibabaのQwen3.8-Flash-Nextは安全性評価中、北京のサーバーへテストファイルを送ろうとした。研究者は、スパイ行為やバックドアの証拠よりも、学習環境やテスト方法による挙動の可能性を指摘している。

続きを読む
CCTest · Blog
動画理解から世界モデルへ:動画AIを捉える4つの操作
世界モデル
cctest.ai
世界モデル

動画理解から世界モデルへ:動画AIを捉える4つの操作

動画理解、動画生成、統合モデル、動画世界モデルを「世界モデリング」という視点で整理するサーベイが登場した。滑らかに見える動画だけでは不十分で、モデルには持続する状態の維持と、行動に応じた更新が求められる。

続きを読む
CCTest · Blog
人手の質問と回答なしで、言語モデルは自ら学習できるのか
大規模言語モデル
cctest.ai
大規模言語モデル

人手の質問と回答なしで、言語モデルは自ら学習できるのか

On-Policy Self-Training(OPST)は、粗いトピック説明だけを手がかりに、モデル自身が問題、回答、推論例を作る後学習の枠組みを提案する。新しい文脈と質問の言い換えで回答を再現できるかを確認し、利用する合成データを絞り込む。

続きを読む
CCTest · Blog
Speculative Diffusionは速度と品質の二つのトレードオフを捉える
推論・デプロイ
cctest.ai
推論・デプロイ

Speculative Diffusionは速度と品質の二つのトレードオフを捉える

新しい研究は、草稿生成にかける拡散計算量と、検証モデルが草稿を受け入れる基準の緩さを同時に調整する。これにより、単一ステップの拡散ドラフティングを超える速度・品質の選択肢が得られる可能性が示された。

続きを読む
CCTest · Blog
FLORA、ロボット学習を支える大規模データエンジンを公開
ロボティクス・フィジカルAI
cctest.ai

FLORA、ロボット学習を支える大規模データエンジンを公開

ロボット基盤モデルの性能向上には、モデルの大型化だけでなく、軌跡を正確に説明し評価するラベルが必要です。FLORA は時刻付きキャプション、工程報酬、結果報酬を一つのデータエンジンで扱います。

続きを読む
CCTest · Blog
Kolab:人間とAIエージェントの長期協働を再評価するベンチマーク
モデル評価
cctest.ai
モデル評価

Kolab:人間とAIエージェントの長期協働を再評価するベンチマーク

Kolabは、エージェントが単独でタスクを完了できるかではなく、専門家がその出力を採用・修正・拒否する過程に注目する。実際の職業ワークフローを用いた評価では、現在の最先端モデルにも協働理解の課題が残る。

続きを読む
CCTest · Blog
LLM2Cert:LLMで安定性・安全性証明書を生成し形式検証
AI科学研究
cctest.ai
AI科学研究

LLM2Cert:LLMで安定性・安全性証明書を生成し形式検証

LLM2Certは、大規模言語モデルにLyapunov関数やバリア証明書を生成させ、SMTソルバーとLeanの証明修復エージェントで検証する枠組みです。高次元・非線形・制御制約を含む105件の評価で、81件を検証しました。

続きを読む
CCTest · Blog
ボストン・ダイナミクス従業員、ICE向けロボット犬販売に抗議
ロボティクス・フィジカルAI
cctest.ai

ボストン・ダイナミクス従業員、ICE向けロボット犬販売に抗議

ボストン・ダイナミクスの従業員300人以上が、米移民・関税執行局(ICE)に関連するロボット犬の販売中止を求めた。会社側は契約を維持し、兵器化は行われないと説明している。

続きを読む
CCTest · Blog
GPS偽装とアカウント侵入で狙われるデータセンター向け貨物
業界動向
cctest.ai
業界動向

GPS偽装とアカウント侵入で狙われるデータセンター向け貨物

米国の捜査関係者によると、貨物窃盗団は運送アカウントへの侵入、偽の運転手身分証、悪意あるリンク、GPS偽装を組み合わせ、データセンター向け機器を狙っている。2025年半ば以降の被害額は、報道ベースで1億ドルを超えた。

続きを読む